我正在进行一个项目，我必须在摄像头提供的图像中自动分割汽车的不同部分（即车门、前灯等）。
在第一步中，我想删除背景，这样算法就不会在不应该的地方找到任何东西。
我也有只是背景的图像，但是由于曝光时间、汽车光线的反射等原因，光照有很大的不同。
我尝试通过简单的减法来消除 BG，但不幸的是，由于光照条件非常不同，这并没有太大帮助。
所以接下来我应用了直方图均衡化，但这也没有太大帮助。
我怎样才能摆脱这种不同照明场景中的背景？有没有我可以对这两个图像使用的 OpenCV 方法？
【问题讨论】：
标签： opencv image-processing background-subtraction
Opencv 有三种不同的背景减法方法：
BackgroundSubtractorGMG bs_gmg;
BackgroundSubtractorMOG bs_mog;
BackgroundSubtractorMOG2 bs_mog2;
Mat foreground_gmg;
bs_gmg ( image, foreground_gmg, -1.0 );
Mat foreground_mog;
bs_mog ( image, foreground_mog, -1.0 );
Mat foreground_mog2;
bs_mog2 ( image, foreground_mog2, -1.0 );
您可以阅读它们并使用最适合您的。
【讨论】：
我的经验表明，照明条件可以有如此多的变化，两张图像根本不够。您从基于像素的方法开始，对两个图像进行简单的逐像素减法，但光照变化使颜色看起来非常不同，即使在 HSV 空间中也是如此。这是光圈问题的一个例子，它是计算机视觉中最基本的困难之一。简单来说，我们需要更多的上下文。因此，您尝试通过估计和校正全局照明参数来获得该上下文，但发现这还不够，因为图像的不同区域可能具有不同的反射率属性，或者与光源的角度不同。如果继续使用这种方法，下一步是根据外观将图像分割成区域，并分别均衡每个区域中的直方图。例如，试试Watershed Segmentation。
还有另一种方法。背景实际上可能不是这里信息最丰富的线索，为什么要从它开始呢？你可以转向Viola-Jones approach，然后从那里开始。让它工作后，从后台添加信息以提高质量。
【讨论】：
你没有提到你使用什么色彩空间。我假设RGB？有一些颜色空间类型默认处理亮度参数，因此您可以使用这些信息应用背景减法算法。看看http://en.wikipedia.org/wiki/HSV_color_space
【讨论】：
嗯...只是说，我不确定这是否可行，但您可以基于更大的区域（如内核）应用减法，然后在该点放置直方图变化。
例如。假设我们的内核补丁设置为30x30 像素，我们将其应用于来自背景图像的像素p(x,y) 和来自测试图像的q(x,y)（p 和 q 是每个图像上相同的相应位置）。因此，我们有一个 30x30 的减色补丁图像。
现在，试着处理这个减去的补丁产品，比如它的直方图。零直方图意味着相同的比较补丁。 “几乎平坦”的直方图可能意味着相同。否则，将其视为前景。
【讨论】：